• VOLTAR
  • Imprimir
  • ENVIAR
  • A+ A-
Cepel apresenta à CPAMP os primeiros resultados da metodologia proposta para representação das incertezas da fonte eólica no modelo NEWAVE

Detalhes: Notícias

Cepel apresenta à CPAMP os primeiros resultados da metodologia proposta para representação das incertezas da fonte eólica no modelo NEWAVE

30-12-2020

Em reunião do GT Metodologia da CPAMP – Comissão Permanente para Análise de Metodologias e Programas Computacionais do Setor Elétrico (com representantes do MME, Aneel, ONS, CCEE e EPE), ocorrida no dia 18 de dezembro, o Cepel apresentou e discutiu os primeiros resultados obtidos com a metodologia proposta para a consideração das incertezas da fonte eólica no modelo NEWAVE. A metodologia, desenvolvida pelo Centro no âmbito dos Projetos NEWAVE, VENTOS e GEVAZP, está consolidada no Relatório Técnico 2667/2020 “Uma Abordagem para a Representação das Incertezas da Fonte de Geração Eólica no Planejamento da Operação de Longo, Médio e Curto Prazos”, de autoria dos pesquisadores Maria Elvira Piñeiro Maceira, Albert Cordeiro Geber de Melo, José Francisco Moreira Pessanha, Cristiane Barbosa da Cruz Oliveira, Victor Andrade de Almeida e Thatiana Conceição Justino.

 

A matriz elétrica brasileira apresenta uma alta participação de fontes renováveis, respondendo por mais de 80% do consumo de eletricidade do país, e com preponderância da tecnologia hidroelétrica. As fontes intermitentes, especialmente a eólica, têm experimentado um crescimento acelerado, mundialmente e também no Brasil, e em 2019, a energia eólica já contava com mais de 14.968 MW instalados em mais de 600 parques, localizados principalmente nas regiões Nordeste e Sul. De acordo com o Plano Decenal de Expansão de Energia 2020-2029, estima-se que em 2029 a capacidade instalada da fonte eólica aumente mais de 2,5 vezes, atingindo 39.500 MW, enquanto a solar crescerá cerca de 5 vezes.

 

“Apesar das vantagens, a intermitência da geração eólica horária, dada a natureza intrínseca da variabilidade dos ventos, constitui um desafio em termos de sua integração a sistemas de energia elétrica. Uma capacidade inadequada de prever ou gerar cenários futuros de produção de energia eólica nos diversos horizontes de tomada de decisão afeta adversamente a estabilidade, a confiabilidade, o planejamento e a programação da operação do sistema, e, também, o seu benefício econômico. Assim, tornam-se fundamentais o desenvolvimento e o aprimoramento de metodologias para representar as incertezas das fontes renováveis intermitentes – eólica e solar – nos modelos de planejamento da operação de longo, médio e curto prazos”, avalia o pesquisador Albert Melo.

 

Atualmente, em consonância com a Resolução ANEEL Nº 843/2019, a representação da geração eólica no modelo NEWAVE é realizada de forma simplificada, com base na média mensal do histórico dos últimos cinco anos de geração líquida disponibilizada ao SIN de cada usina, agregada por subsistema, por mês e por patamar de carga, para todo o horizonte de planejamento.

 

“Com o intuito de aprimorar a representação atual, encontra-se em desenvolvimento uma metodologia para a representação das incertezas associadas às fontes renováveis intermitentes (eólica e solar), inicialmente no modelo NEWAVE, aderentes às características intrínsecas das modelagens adotadas nesse modelo, com o objetivo de manter o problema estocástico e de grande porte resolvido pelo NEWAVE tratável computacionalmente”, destaca a pesquisadora Maria Elvira Maceira, gerente dos Projetos NEWAVE e GEVAZP. E complementa “Assim, o desafio é definir uma estratégia de consideração de cenários de produção eólica e solar que seja aderente ao algoritmo de solução utilizado, programação dinâmica dual estocástica (PDDE), e que permita ainda a obtenção de resultados com a precisão adequada e dentro de um tempo computacional razoável, quando aplicada a sistemas interligados de grande porte, com predominância hidroelétrica, como é o caso do sistema brasileiro. Essa mesma metodologia poderá ser aplicada ao modelo DECOMP a partir do segundo mês do seu horizonte”.

 

Uma questão importante no desenvolvimento e testes da metodologia proposta diz respeito à disponibilização de dados verificados (medidos). Idealmente, seria relevante que se tivesse acesso às séries horárias consistidas e pareadas de velocidades de ventos e produções eólicas, para todos os parques existentes, ou pelo menos para aqueles vencedores nos leilões públicos de compra de energia elétrica. “Como no Brasil não existe a disponibilização pública desses dados, com as resoluções espaciais e temporais necessárias, tornou-se forçosa a realização de avaliações adicionais, incluindo dados oriundos de reanálises, por exemplo, os dados oriundos do MERRA-2 (NASA) ou ERA5 (ECMWF) disponibilizados para qualquer local do planeta e com resolução horária”, ressalta o pesquisador José Francisco Moreira Pessanha, gerente do Projeto VENTOS.

 

Sobre a metodologia proposta e em implementação

 

Segundo Maria Elvira, a metodologia está sendo desenvolvida e implementada em estágios, iniciando com a incorporação da incerteza da fonte eólica, sendo composta por quatro etapas interligadas, com desenvolvimentos simultâneos:


(i) agrupamento estatístico dos regimes de ventos;
(ii) avaliação de funções de transferência mensais (FTMs) entre ventos e produção eólica, a partir de curvas de potência probabilísticas mensais;
(iii) geração de séries sintéticas de ventos/produção eólica; e
(iv) obtenção da produção eólica mensal no algoritmo PDDE do modelo NEWAVE.

 


Figura 1 - Representação das incertezas da fonte eólica no modelo NEWAVE – Etapas da metodologia proposta

 

 

A abordagem proposta é multidisciplinar, conjugando o emprego de diversas técnicas, dentre as quais: análise exploratória de dados - análise estatística de agrupamentos e métodos estatísticos multivariados; métodos estatísticos para análise de regressão, desde os tradicionais modelos de regressão linear até abordagens mais flexíveis, como modelos aditivos; processos estocásticos e séries temporais; otimização estocástica - programação dinâmica dual estocástica.

 

Na implementação atual da PDDE no NEWAVE, um modelo auto-regressivo periódico - PAR (p) - é usado para gerar os cenários de energias/vazões afluentes aos reservatórios das usinas hidroelétricas, os quais são usados na simulação forward e recursão backward do algoritmo PDDE, e também na simulação da operação do sistema com a política de operação calculada. Neste modelo de séries temporais, as últimas p energias/vazões afluentes compõem a equação de regressão. Este módulo, denominado GEVAZP no modelo NEWAVE, foi estendido para torná-lo um modelo integrado de geração de séries sintéticas multivariadas mensais de afluências e ventos (Etapa 3), modelando-se as correlações espaciais entre os parques eólicos e também as correlações espaciais entre as afluências às usinas hidroelétricas e os ventos nos parques eólicos. Dessa forma, a estrutura de correlação temporal porventura verificada no processo estocástico dos ventos médios mensais em algum parque eólico pode ser representada de forma indireta, por meio da correlação espacial verificada entre os processos estocásticos dos ventos nos parques eólicos e das afluências às usinas hidroelétricas. Como consequência, nenhuma variável de estado é adicionada ao algoritmo PDDE do modelo NEWAVE, não havendo, portanto, acréscimo da cardinalidade da função de custo futuro (multivariada), que representa a política ótima de operação.

 

Para gerar cenários sintéticos de afluências com o modelo PAR(p) foi empregada uma metodologia na qual, inicialmente, é necessário obter uma amostra de ruídos, não correlacionados temporalmente, uma para cada período de tempo e para cada cenário de afluências. Atualmente, essas amostras são produzidas por amostragem seletiva, a partir de uma distribuição Lognormal multivariada, que consiste na aplicação de técnicas de agrupamento, usadas para obter amostras de séries de ruídos multivariados e não correlacionados no tempo. No caso dos cenários sintéticos de ventos, as amostras de ruídos também são produzidas por amostragem seletiva, mas neste caso, a partir de uma distribuição Weibull multivariada.

 

Após a geração de séries sintéticas de ventos mensais, é preciso obter a correspondente produção eólica de cada parque eólico para ser considerada no problema de despacho mensal da operação do modelo NEWAVE (Etapa 4). As produções eólicas são computadas por meio das funções de transferência entre as médias mensais da velocidade de vento e da produção eólica (FTMs) e são representadas no problema de despacho como uma fonte de geração disponível, porém com custo de operação nulo.

 

Por sua vez, o ajuste de funções de transferência capazes de descrever o relacionamento entre as médias mensais de velocidade de vento e de produção eólica mensal (Etapa 2b) requer a construção de curvas de potência probabilísticas mensais (Etapa 2a), as quais demandam a análise de séries temporais pareadas de velocidade de vento e de produção eólica em escala horária - um requisito difícil de ser alcançado, devido à não disponibilização de uma base pública de dados verificados. Para contornar esta dificuldade foi elaborado um procedimento para obtenção de curvas de potência probabilísticas mensais por meio da integração entre os dados do sistema Sintegre do ONS e dados oriundos de reanálises.

 

As abordagens para o ajuste das FTMs entre ventos e produções eólicas mensais incluem os métodos estatísticos para análise de regressão, desde os tradicionais modelos de regressão linear até abordagens mais flexíveis, como os modelos aditivos (por exemplo, regressões lineares por parte e splines).

 

Finalmente, devido à quantidade de parques eólicos atualmente instalados no Brasil e às perspectivas de aumento elevado neste número, torna-se fundamental investigar a forma de representação dos parques eólicos no modelo NEWAVE, à semelhança do que já ocorre com a representação das usinas hidroelétricas – individualmente ou por reservatórios equivalentes de energia (REEs). Neste sentido, os parques eólicos poderão ser representados de forma individual ou por meio de parques eólicos equivalentes (PEEs).

 

Para a obtenção dos PEEs, faz-se necessário efetuar a identificação e o agrupamento dos regimes de ventos por meio de técnicas estatísticas (Etapa 1), considerando diversas granularidades espaciais, como parques eólicos individualizados, municípios, subestações agregadoras dos parques eólicos conectados ao SIN e regiões/sub-regiões geográficas do Brasil. Adicionalmente, a granularidade temporal, isto é, dados em base horária ou mensal, também está sendo estudada. Para isto, estão sendo aplicados métodos estatísticos multivariados, em uma abordagem composta por dois passos sequenciais: análise fatorial exploratória e análise de agrupamentos, por exemplo, K-Means ou Ward.

 

Na reunião mencionada, foram apresentados e discutidos resultados iniciais obtidos em cada uma das etapas da metodologia proposta, incluindo a geração de 2 mil cenários sintéticos de ventos mensais para PEEs correlacionados com energias afluentes a REEs.


_________________________________________________________________________

1 CPAMP – Comissão Permanente para Análise de Metodologias e Programas Computacionais do Setor Elétrico
2 NEWAVE - Modelo de Planejamento da Operação de Sistemas Hidrotérmicos Interligados de Longo e Médio Prazo
3 VENTOS – Modelo de Previsão Probabilística de Geração Eólica
4 GEVAZP – Modelo de Geração de Cenários de Energias e Vazões Periódicas
5 DECOMP - Modelo de Planejamento da Operação de Sistemas Hidrotérmicos Interligados de Curto Prazo
6 MME – Ministério das Minas e Energia
7 ANEEL – Agência Nacional de Energia Elétrica
8 ONS – Operador Nacional do Sistema
9 CCEE – Câmara de Comercialização de Energia Elétrica
10 EPE – Empresa de Pesquisas Energéticas
11 SIN – Sistema Interligado Nacional
12 NASA – National Aeronautics and Space Administration
13 ECMWF – European Centre for Medium-Range Weather Forecasts
14 PDDE – Programação Dinâmica Dual Estocástica